Program Pembuat Garis Horizontal, Vertikal & Diagonal dengan Java

Posting ini dibuat dengan tujuan untuk memenuhi tugas mata kuliah Grafik Komputer & Pengolahan Citra, dalam mengerjakan tugas ini saya menggunakan bahasa pemrograman Java dengan IDE Eclipse dalam membuat aplikasi ini.
Untuk download file yang telah saya compile silahkan klik tautan di bawah, file JAR ini sudah dicompile agar dapat dijalankan pada Windows, Linux, dan Mac OS. Jika file tidak jalan pada Windows 10 silahkan downgrade jre Anda ke versi 7u79 untuk menjalankannya.
Download JAR File [6MB]
Untuk yang komputernya belum terinstall java, silahkan download bundle dalam bentuk exe berikut untuk menjalankan program ini, karena dalam exe sudah termasuk jre7 maka Anda tidak perlu menginstall jre lagi cukup jalankan file exe dan program akan berjalan. Untuk file exe di bawah hanya dapat berjalan di Windows (Silahkan download sesuai dengan arsitektur windows Anda).
Download File exe 32Bit [38MB]
Download File exe 64Bit [40MB]
PDF User Guide:
Download PDF User Guide [743KB]

Metode Pencarian: Heuristic Search

A. Generate & Test

Definisi

Metode Generate-and-Test adalah metode yang paling sederhana dalam pencarian heuristic. Jika pembangkitan possible solution dikerjakan secara sistematis, maka prosedur akan mencari solusinya, jika ada. Tetapi jika ruang masalahnya sangat luas, mungkin memerlukan waktu yang sangat lama.

Algoritma Generate-and-Test adalah prosedur DFS karena solusi harus dibangkitkan secara lengkap sebelum dilakukan test. Algoritma ini berbentuk sistematis, pencarian sederhana yang mendalam dari ruang permasalahan. Generate & test juga dapat dilakukan dengan pembangkitan solusi secara acak, tetapi tidak ada jaminan solusinya akan ditemukan.

Algoritma Generate and Test adalah sebagai berikut :

  1. Bangkitkan sebuah solusi yang mungkin.
  2. Menguji tiap-tiap node yang merupakan solusi dengan cara membandingkan node tersebut dengan node akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan yang diharapkan.
  3. Jika solusi telah ditemukan, maka keluar dari sistem. Jika belum menemukan solusi, maka kembali ke langkah 1.
Contoh

Rute dikatakan valid jika jalur yang dilalui tidak berjarak 0. Jika rute valid, maka jarak dihitung lalu dibandingkan untuk mendapatkan jarak yang paling optimal.

Setiap rute yang valid akan dibandingkan dengan rute valid lainnya guna mendapatkan rute terpendek yang merupakan solusi dari kasus TSP-nya. Yang dalam hal ini dipecahkan menggunakan algoritma Generate & Test.

Kelebihan dari algoritma ini merupakan pencariannya yang lengkap dan selalu menghasilkan solusi yg optimal. Sedangkan kekurangannya adalah tidak cocok untuk data yang besar atau banyak dan waktu pencariannya yang lama sesuai dengan banyak datanya.

B. Hill Climbing

Definisi

Hill Climbing berbeda Generate-and-Test, yaitu pada feedback dari prosedur test untuk membantu pembangkit menentukan yang langsung dipindahkan dalam ruang pencarian. Dalam prosedur Generate & test , respon fungsi pengujian hanya ya atau tidak. Tapi jika pengujian ditambahkan dengan atauran fungsi-fungsi yang menyediakan estimasi dari bagaimana mendekati state yang diberikan ke state tujuan, prosedur pembangkit dapat mengeksplorasi ini sebagaimana ditunjukkan di bawah. HC sering digunakan jika terdapat fungsi heuristic yang baik untuk mengevaluasi state. Sebagai contoh, anda berada di sebuah kota yang tidak dikenal, tanpa peta dan anda ingin menuju ke pusat kota. Cara sederhana adalah gedung yang tinggi. Fungsi heuristics-nya adalah jarak antara lokasi sekarang dengan gedung yang tinggi dan state yang diperlukan adalah jarak yang terpendek.

Berikut adalah algoritma dari Simple Hill Climbing.

  1. Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti, dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal.
  2. Kerjakan langkah-langkah berikut sampai solusinya ditemukan, atau sampai tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang:
    1. Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.
    2. Evaluasi keadaan baru tersebut.
      1. Jika keadaan baru merupakan tujuan, keluar.
      2. Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang.
      3. Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi.

Pada simple hill climbing ini, ada 3 masalah yang mungkin, yaitu:

  1. Algoritma akan berhenti kalau mencapai nilai optimum lokal.
  2. Urutan penggunaan operator akan sangat berpengaruh pada penemuan solusi.
  3. Tidak diijinkan untuk melihat satupun langkah sebelumnya.
Contoh

Salah satu contoh dari penerapan Algoritma Simple Hill Climbing adalah Traveling Salesman Problem. Disini ruang keadaan berisi semua kemungkinan lintasan yang mungkin. Operator digunakan untuk menukar posisi kota - kota yang bersebelahan.

Operator yang akan kita gunakan, adalah menukar urutan posisi 2 kota dalam suatu lintasan. Apabila ada n kota, dan kita ingin mencari kombinasi lintasan dengan menukar posisi urutan 2 kota, maka kita akan mendapatkan sebanyak :

Sehingga kalau ada 4 kota, kita bisa memperoleh : kombinasi.

Keenam kombinasi ini akan kita pakai semuanya sebagai operator, yaitu:

  • Tukar 1, 2 (menukar urutan posisi kota ke-1 dengan kota ke-2).
  • Tukar 2, 3 (menukar urutan posisi kota ke-2 dengan kota ke-3).
  • Tukar 3, 4 (menukar urutan posisi kota ke-3 dengan kota ke-4).
  • Tukar 4, 1 (menukar urutan posisi kota ke-4 dengan kota ke-1).
  • Tukar 2, 4 (menukar urutan posisi kota ke-2 dengan kota ke-4).
  • Tukar 1, 3 (menukar urutan posisi kota ke-1 dengan kota ke-3).

Pada Gambar di atas terlihat bahwa, pada keadaan awal, lintasan terpilih adalah ABCD (=19). Pada level pertama, hill climbing akan mengunjungi BACD (=17) yang ternyata memiliki nilai heuristik lebih kecil dibandingkan dengan ABCD (17 < 19), sehingga BACD menjadi pilihan selanjutnya dengan operator terpakai Tukar1,2. Pada level kedua, hill climbing akan mengunjung ABCD. Karena operator Tukar 1, 2 sudah digunakan oleh BACD, maka dipilih node yang lain yaitu BCAD (=15). Karena nilai heuristik BCAD lebihkecil dibanding dengan BACD (15 < 17), maka node BCAD akan menjadi pilihan selanjutnya dengan operator Tukar2,3. Kemudian hill climbing akan mengunjungi CBAD (=20). Karena nilai heuristik CBAD lebih besar jika dibanding dengan BCAD (20>17), maka dipilih node lain. Pencarian menuju ke node BACD, karena operator Tukar2,3 sudah pernah digunakan oleh BCAD, maka dipilih node lain. Kunjungan berikutnya ke node BCDA (=18). Nilai inipun masih lebih besar dari nilai heuristik BCAD, sehingga dipilih node lain. Node vang dikunjungi berikutnya adalah DCAB (=19). Nilai heuristic DCAB ternyata juga lebih besar dibanding dengan BCAD, sehingga pencarian dilanjutkan di node lainnya lagi, yaitu BDAC (=14). Nilai heuristik ini sudah lebih kecil daripada nilai heuristik node BCAD (14 < 15), maka sekarang node ini yang akan diekplorasi. Pencarian pertama ditemukan node DBAC (=21), yang lebih besar daripada nilai BDAC. Nilai heuristik yang lebih kecil diperoleh pada node BDCA (=13). Sehingga node BDCA ini akan diekplorasi. Pencarian pertama sudah mendapatkan node dengan nilai heuristik yang lebih kecil, yaitu DBCA (=12). Sehingga node ini diekplorasi juga. Dari hasil ekplorasi dengan pemakaian semua operator, ternyata sudah tidak ada node yang memiliki nilai heuristik yang lebih kecil di banding dengan nilai heuristik DBCA, sehingga sebenarnya node DBCA (=12) inilah lintasan terpendek yang kita cari (SOLUSI). Misalkan kita tidak menggunakan semua operator, melainkan kita hanya menggunakan 4 operator per tama saja, yaitu:

  • Tukar 1,2 (menukar urutan posisi kota ke'1 dengan kota ke'2).
  • Tukar 2, 3 (menukar urutan posisi kota ke-2 dengan kota ke'3).
  • Tukar 3,4 (menukar urutan posisi kota ke-3 dengan kota ke'4).
  • Tukar 4, 1 (menukar urutan posisi kota ke-4 dengan kota ke'l).

Maka pencarian dengan simple hill climbing ini dapat dilihat pada Gambar di bawah. Lintasan terpendek yang diperoleh adalah B-C-A-D yaitu sebesar 15. Disini kita akan terjebak pada nilai minimum local yang disebabkan oleh kurangnya operator yang kita gunakan. Kita tidak dapat memperoleh nilai minimum globalnya yaitu sebesar 12.

Sumber:
  • http://slideplayer.info/slide/2321953/
  • http://download.portalgaruda.org/article.php?article=59741&val=4485
  • http://www.metode-algoritma.com/2013/06/tsp-dengan-algoritma-generate-test.html
  • http://web.unair.ac.id/admin/file/f_22572_2_Simple_Hill_Climbing.pdf

Metode Pencarian: Blind Search

A. Breadth First Search

Definisi

Breadth First Search merupakan salah satu dari metode pencarian buta. Mengapa dikatakan pencarian buta ? istilah buta disini lebih dikenal dengan nama blind. Dikatakan buta karena memang tidak ada informasi awal yang digunakan dalam proses pencarian.

Breadth First Search (BFS) juga memiliki alur algoritma yang paling sederhana dibandingkan dengan metode blind yang lain. Itulah alasan mengapa BFS selalu dipelajari lebih dulu ketika membahas masalah pencarian buta.

Sebelum menelaah lebih jauh bagaimana metode BFS dijalankan, kita telisik dulu mengapa metode ini dinamakan pencarian Breadth First. Breadth dapat diartikan dengan luas / lebar, sedangkan first adalah pertama. Jadi, Breadth First adalah lebar pertama, apa maksudnya? Penamaan metode ini disesuaikan dengan konsep algoritma secara garis besar yaitu melakukan proses pencarian pada semua node yang berada pada level atau hirarki yang sama terlebih dahulu sebelum melanjutkan proses pencarian pada node di level berikutnya.

BFS akan mencari satu per satu node secara melebar dari kiri ke kanan secara berurutan berdasarkan tingkat level nodenya. Jika pada satu level belum ditemukan solusi yang diinginkan, maka pencarian dilanjutkan hingga level berikutnya. Demikian seterusnya hingga ditemukan solusi. Maka, dengan cara seperti ini, BFS menjamin ditemukannya solusi apabila solusinya memang ada.

Contoh

Seperti pada gambar, jika dicari bagaimana jalur dari kota a menuju kota k, maka sistem akan menjelajahi setiap node hingga menemui titik kota k, sehingga hasil pencarian jalur terpendeknya adalah : a - b - c - d - e - f - g - h - i - j - k . Contoh lain seperti gambar dibawah ini :

Gambar a : Tentukan jalur terpendek dari simpul 1 hingga kembali ke simpul 1 lagi. !
Gambar b : Tentukan rute dari node 1 hingga node 7 !
Gambar c : Tentukan lintasan terpendek dari kota 1 ke kota 8 !

Maka, solusi yang ditemukan adalah :
Gambar a : 1 - 2 - 3 - 4 - 5 - 6 - 7 - 1
Gambar b : 1 - 2 - 3 - 4 - 5 - 6 - 7
Gambar c : 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8

Dalam implementasinya pada program, maka setiap node yang telah dikunjungi harus dimasukkan dalam sebuah queue (antrian) sebagai tempat menampung urutan node tahap demi tahap. untuk memperjelas bagaimana alur algoritmanya, berikut langkah-langkahnya :

  1. Masukkan node akar (root) ke dalam queue
  2. Ambil node dari awal antrian, lalu cek apakah node tersebut merupakan solusi
  3. Jika node merupakan solusi, pencarian selesai dan hasil dikembalikan.
  4. Jika node bukan solusi, masukkan node yang bertetangga dengan node tersebut (node anak) ke dalam queue
  5. Jika queue kosong dan setiap simpul sudah dicek, pencarian selesai dan mengembalikan hasil solusi tidak ditemukan
  6. Ulangi pencarian dari langkah kedua.

B. Depth First Search

Definisi

Pada algoritma DFS, pencarian dilakukan pada satu node dalam setiap level dari yang paling kiri. Jika pada level yang paling dalam solusi belum ditemukan, maka pencarian dilanjutkan pada node sebelah kanan. Node yang di kiri dapat dihapus dari memori. Jika pada level yang paling dalam belum ditemukan solusi, maka pencarian dilanjutkan ke level sebelumnya. Demikian seterusnya sampai ditemukannya solusi. Jika solusi ditemukan, maka tidak diperlukan proses backtracking (penelusuran untuk mendapatkan jalur yang diinginkan). Beberapa kelebihan dari algoritma DFS adalah pemakaian memori hanya sedikit karena hanya menyimpan lintasan yang aktif saja. Selain itu kelebihannya adalah jika solusi berada pada level yang paling dalam dan paling kiri, maka DFS akan menemukannya secara cepat. Misal suatu ruang keadaan masalah ditunjukkan dengan suatu seperti gambar berikut ini.

Contoh

Dalam pencarian menggunakan algoritma DFS, simpul-simpul yang paling dalam pada tree yang akan di cari paling awal. Sebagai contoh pada Gambar di atas. Urutan pencarian keadaan awal (S) sampai keadaan tujuan (G) adalah dimulai dari node S, kemudian ke node A, kemudian ke node B, kemudian ke node C, setelah itu akan melewati node B kembali dan menuju ke node E, selanjutnya akan menuju node D, setelah itu akan menuju node F setelah melewati node E, dan yang terakhir akan menuju node G.

Sumber:
  • http://repository.usu.ac.id/bitstream/123456789/25380/4/Chapter%20II.pdf
  • http://www.charisfauzan.net/2015/01/pencarian-buta-teori-dan-implementasi.html

Fuzzy Logic (Logika Fuzzy)

Fuzzy Logic

Pendahuluan Sistem Fuzzy

Sistem fuzzy diawali oleh Dr. Lotfi Zadeh pada tahun 1960an, pada dasarnya berhubungan dengan bagaimana manusia menangani ketidaktepatan (imprecise) dan informasi yang tidak pasti (uncertain). Ia menirukan bagaimana manusia menggunakan perkiraan pertimbangan (approximate reasoning) dalam hal berhubungan dengan ketidaktepatan (impresion), ketidakpastian (uncertainty), ketidakakurasian (inaccuracy), ketidakpersisan (inexactness), kerancuan (ambiguity), ketidakjelasan (vagueness), kekualitatifan (qualitativeness), subjektifitas (subjectivity) dan persepsi (perception) yang dialami setiap hari dalam pengambilan keputusan.

Sistem fuzzy mampu untuk menangani istilah-istilah samar-samar seperti quite (sungguh), very (amat) dan extremely (ekstrim) yang normal dipakai dalam bahasa sehari-hari. Ini secara langsung ada dalam konsep "komputasi dengan kata - computing with words (CW)" yang secara kontras beda dengan manipulasi bilangan dan simbol. Konsep komputasi dengan kata berhubungan dengan bahasa dan persepsi sedangkan manipulasi bilangan dan simbol berhubungan dengan pengukuran crisp (krispi, kaku, kering, garing) dan tertentu.

Menurut Zadeh manusia sukses dalam pengembangan mulai dari persepsi menuju pengukuran (sehingga sukses berhubungan dengan pengukuran yang tepat seperti halnya operasi-operasi di bidang penerbangan) tetapi masih harus mengembangkan pengukuran menuju ke persepsi (sehingga sukses dalam menangani fungsionalitas fleksibel seperti halnya pergerakan robot yang seperti manusia).

"Komputasi lunak - soft computing" diciptakan oleh Zadeh. Area ini, seperti yang dia katakan adalah perpaduan dari teknik dan metodologi diantara fuzzy logic (logika fuzzy), neuro-computing (komputasi syaraf) dan probabilistic reasoning (pertimbangan probabilistik) yang selanjutnya diikuti oleh algoritma genetika, chaotic systems (sistem chaos), belief networks (jaringan kepercayaan) dan bagian-bagian learning theory (teori pembelajaran).

Apa itu Logika Fuzzy

Logika fuzzy adalah superset (bagian yang melingkupi) logika boolean konvensional yang dikembangkan untuk menangani konsep kebenaran sebagian - nilai kebenaran diantara "kebenaran lengkap" dan "kesalahan lengkap". Transisi dari nilai kebenaran dari "kebenaran lengkap" ke "kesalahan lengkap" ditampilkan dalam fuzzy sets dan tidak dalam crisp sets.

Dalam crisp sets, seperti halnya set A dari umur tua {A | A >= 35} ada perbedaan yang tajam atau batasan diantara anggota set/himpunan, dan mereka yang bukan anggota dari himpunan. Dalam contoh, hanya usia yang lebih besar atau sama dengan 35 dipertimbangkan sebagai anggota dari himpunan A, dan usia yang lain bukanlah anggota. Tetapi bagaimana dengan 34.8? Akankah ia dianggap sebagai tua? Apakah usia diantara 35 dan 85 juga membawa konsep yang sama dengan "tua"? Dengan kata lain, bagaimana tua itu "tua"? Masalah yang sama timbul dalam mengklasifikasikan pelbagai pengukuran yang lain seperti tingkat panas-dingin dari suatu suhu, tinggi badan dan kemahalan dalam harga. Ketidaktepatan dan ketidakpastian dalam istilah seperti halnya fleksibelitas dalam nilai kebenaran dapat ditangani dalam fuzzy sets tetapi hal ini tidak bias dalam crisp sets.

Dalam fuzzy sets, transisi dari fungsi anggota ke fungsi kebukananggotaan dalam himpunan adalah gradual (berjenjang) dan tidak berubah secara mendadak. Gambar di bawah ini menjelaskan perbedaan diantara crisp set dan fuzzy set dari usia tua.

Perbedaan crisp dan fuzzy set untuk usia tua
Gambar 1 Perbedaan crisp dan fuzzy set untuk usia tua

Dalam ilustrasi fuzzy set A, usia 35 atau di bawahnya masih mejadi anggota fuzzy set A usia tua tetapi derajat keanggotaannya lebih rendah. Derajat keanggotaan dalam fuzzy set adalah dalam jangkauan 0.0 (bukan anggota) sampai 1.0 (anggota penuh) yang kontras dengan hanya 0.0 (member) atau 1.0 (bukan anggota) dalam crisp set. Umumnya, derajat keanggotaan dalam fuzzy set usia muda berkurang pada saat usia juga berkurang. Jika kita memiliki fuzzy set B usia muda, kita harapkan derajat keanggotaannya meningkat bersama dengan meningkatnya usia.

Dari gambar di atas, usia 45 dapat dipersepsikan dalam logika fuzzy sebagai "tua" pada angka sekitar 0.95 dan sebagai "muda" pada angka sekitar 0.5. Hingga kita berpindah dari pengukuran eksak, crisp ke non eksak, persepsi fuzzy yang secara normal diasosiasikan ke kata atau istilah linguistik (berhubungan dengan bahasa).

Logika fuzzy sudah diaplikasikan dalam sistem pakar untuk menangani ketidakpastian bahasa yang digunakan oleh pakar ketika mereka mengungkapkan dengan kata-kata pengetahuan mengenai domain tertentu. Derajat ketidakpastian digunakan tidak hanya dalam merepresentasikan pengetahuan pakar, tetapi juga dalam pemrosesan tugas-tugas pakar.

Pengetahuan direpresentasikan dalam sistem pakar fuzzy menggunakan variabel linguistik, nilai linguistik, istilah linguistik, fungsi keangggotaan dan rule IF-THEN fuzzy.

Alasan Menggunakan Logika Fuzzy

Fuzzy logic menawarkan beberapa karakteristik unik yang menjadikannya suatu pilihan yang baik untuk banyak masalah control. Karakteristik tersebut antara lain :

  1. Sudah menjadi sifatnya yang kuat selama tidak membutuhkan ketepatan, input yang bebas derau, dan dapat diprogram untuk gagal dengan aman jika sensor arus balik dimatikan atau rusak. Control output adalah fungsi control halus meskipun jarak variasi input yang cukup besar.
  2. Selama fuzzy logic controller memproses aturan - aturan yang dibuat user yang memerintah system control target, ia dapat dimodifikasi dengan mudah untuk meningkatkan atau mengubah secara drastis performa system. Sensor yang baru dapat dengan mudah digabungkan kedalam system secara sederhana dengan menghasilkan aturan memerintah yang sesuai.
  3. Fuzzy logic tidak terbatas pada sedikit masukan umpan-balik dan satu atau dua output control, tidak juga penting untuk menilai atau menghitung parameter rata - rata perubahan dengan tujuan agar ia diimplementasikan. Sensor data yang menyediakan beberapa indikasi untuk aksi dan reaksi system sudah cukup. Hal ini memungkinkan sensor menjadi murah dan tidak tepat sehingga menghemat biaya system keseluruhan dan kompleksitas rendah.
  4. Karena operasi - operasi yang berbasiskan aturan, jumlah input yang masuk akal dapat diproses ( 1 sampai 8 atau lebih ) dan banyak output ( 1 sampai 4 atau lebih ) dihasilkan, walaupun pendefinisian rulebase secara cepat menjadi rumit jika terlalu banyak input dan output dipilih untuk implementasi tunggal selama pendefinisian rules(aturan), hubungan timbal baliknya juga harus didefinisikan. Akan lebih baik jika memecah system kedalam potongan - potongan yang lebih kecil dan menggunakan fuzzy logic controllers yang lebih kecil untuk didistribusikan pada system, masing - masing dengan tanggung jawab yang lebih terbatas.
  5. Fuzzy Logic dapat mengontrol system nonlinier yang akan sulit atau tidak mungkin untuk dimodelkan secara matematis. Hal ini membuka pintu bagi system control yang secara normal dianggap tidak mungkin untuk otomatisasi.

Bagaimana Menggunakan Logika Fuzzy

Adapun langkah - langkah penggunaan fuzzy logic adalah sebagai berikut:

  • Definisikan obyektif dan kriteria control:
    1. Apa yang kita coba control?
    2. Apa yang harus kita lakukan untuk mengontrol sistem?
    3. Respon seperti apa yang kita harapkan?
    4. Apa mode kegagalan sistem yang mungkin?
  • Tentukan hubungan antara input dan output serta memilih jumlah minimum variable input pada mesin fuzzy logic(secara khusus error dan rata - rata perubahan error).
  • Dengan menggunakan struktur berbasis aturan dari fuzzy logic, jabarkan permasalahan control ke dalam aturan IF X AND Y THEN Z yang mendefinisikan respon output system yang diinginkan untuk kondisi input system yang diberikan. Jumlah dan kompleksitas dari rules bergantung pada jumlah parameter input yang diproses dan jumlah variable fuzzy yang bekerjasama dengan tiap - tiap parameter. Jika mungkin, gunakan setidaknya satu variable dan turunan waktunya. Walaupun mungkin untuk menggunakan sebuah parameter tunggal yang error saat itu juga tanpa mengetahui rata - rata perubahannya, hal ini melumpuhkan kemampuan system untuk meminamalisasi keterlampauan untuk sebuah tingkat input.
  • Buat fungsi keanggotaan yang menjelaskan nilai input atau output yang digunakan didalam rules.
  • Buat rutinitas proses awal dan akhir yang penting jika diimplementasikan dalam software, sebaliknya program rules kedalam mesin hardware fuzzy logic.
  • Test system, evaluasi hasil, atur rules dan fungsi keanggotaan, dan retest sampai hasil yang memuaskan didapat.

Himpunan Fuzzy

Tahun 1965, Profesor L.A. Zadeh memperkenalkan teori himpunan fuzzy, yang secara tidak langsung mengisyaratkan bahwa tidak hanya teori probabilitas saja yang dapat merepresentasikan ketidakpastian. Teori himpunan fuzzy adalah merupakan perluasan dari teori logika Boolean yang menyatakan tingkat angka 1 atau 0 atau pernyataan benar atau salah, sedang pada teori logika fuzzy terdapat tingkat nilai, yaitu :

1. satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
2. nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Model Sistem Pakar Fuzzy

Sebuah sistem pakar fuzzy terdiri dari 4 buah komponen yang diberi nama: fuzzifier (pemfuzzifikasi), inference engine (mesin inferensia), defuzzier (defuzzifikasi) dan fuzzy rule base. Untuk lebih mudahnya, hal tersebut dapat disajikan pada gambar 11.4 berikut ini.

Model sistem pakar fuzzy
Gambar 2 Model sistem pakar fuzzy

Dalam fuzzifier, crisp input difuzzifikasikan kedalam nilai-nilai linguistik yang diasosiasikan ke input variabel linguistik. Setelah fuzzification (pemfuzzifikasian), mesin inferensia mengacu pada fuzzy rule base yang mengandung rule-rule IF-THEN untuk menurunkan nilai-nilai linguistik untuk variabel linguistik menengah dan output. Sekali nilai linguistic output tersedia, defuzzifier menghasilkan nilai akhir crisp dari nilai-nilai linguistik output.

Fuzzification

Melalui penggunaan fungsi anggota yang mendefinisikan setiap fuzzy set untuk setiap variabel linguistik, derajat keanggotaan dari nilai crisp dalam setiap fuzzy set dapat ditentukan. Seperti contoh pada gambar 11.5 di bawah ini variabel numerik "usia" yang memberikan nilai 25.0 di fuzzifikasikan menggunakan triangular MF mendefinisikan setiap fuzzy set untuk variabel linguistik "usia". Sebagai hasil dari fuzzification, variabel linguistic usia memiliki nilai linguistik "muda" dengan derajat keanggotaan 0.666, "sangat tua" dengan nilai 0.333 dan untuk nilai linguistik yang lain dengan nilai 0.0.

Contoh fuzzification dari crisp input
Gambar 3 Contoh fuzzification dari crisp input

Dalam aplikasi sistem pakar fuzzy, setiap nilai crisp variabel input pertama kali difuzzifikasikan ke dalam nilai linguistik sebelum mesin inferensia mengolahnya dalam pemrosesan dengan rule base.

Fuzzy Rule Base dan Fuzzy IF-THEN Rules

Sistem pakar fuzzy menggunakan fuzzy IF-THEN rules. Sebuah fuzzy IF-THEN rule memiliki bentuk:
IF X 1 = A 1 and X 2 = A 2 ... and X n = A n THEN Y = B

Dimana X i dan Y adalah variabel linguistik, sedangkan dan A i dan B adalah istilah linguistik. Bagian IF adalah antecedent atau premise (dasar pikiran/alasan), sedangkan bagian THEN adalah consequence atau conclusion (konklusi). Sebagai contoh dari fuzzy IF-THEN rule adalah:

IF pressure = "low" THEN volume = "big"

Contoh lain adalah seperti di bawah ini untuk masalah profile investasi.

IF (age = "young") and (fund = "small") THEN (tolerance = "risk neutral")
IF (age = "quite old") and (fund = "large") THEN (tolerance = "venturesome")
IF (fund = "very large") THEN (tolerance = "venturesome")

Dalam sistem pakar fuzzy, koleksi dari fuzzy IF-THEN rules disimpan dalam fuzzy rule base yang tereferensi oleh mesin inferensia saat mengolah input.

Mesin Inferensia

Sekali semua nilai crisp input telah difuzzifikasikan dalam nilai linguistik yang bersesuaian, mesin inferensia akan mengakses fuzzy rule base dari sistem pakar fuzzy untuk menurunkan nilai-nilai linguistik untuk hasil variabel linguistik antara (intermediate) sebagaimana variabel linguistik output.

Dua langkah utama dalam proses inferensia adalah aggregation (agregasi - pengumpulan) dan composition (komposisi - penyusunan). Agregasi adalah proses penghitungan untuk nilai-nilai dari bagian IF (antecedent) dari rule dimana komposisi adalah proses penghitungan untuk nilai-nilai di bagian THEN (konklusi) dari suatu rule.

Selama agregasi, setiap kondisi dalam bagian IF suatu rule diberi nilai derajat kebenaran berdasarkan pada derajat keanggotaan istilah linguistik yang sesuai. Dari sini, baik minimum (MIN) atau product (PROD) dari derajat kebenaran dari kondisi-kondisi biasanya dihitung untuk memotong derajat kebenaran dari bagian IF. Ini diberi nilai sebagaimana pada derajat kebenaran pada bagian THEN.

Sebagai contoh, diberikan rule-rule seperti di bawah ini.

Rule 1: min{0.6, 0.2} = 0.2
Rule 2: min{0.3, 0.35} = 0.3
Rule 3: min{0.45} = 0.45

Sehingga, bagian THEN dari rule 1, 2 dan 3 adalah 0.2, 0.3 dan 0.45 berturut-turut.

Langkah terakhir dalam proses inferensia adalah menentukan derajat kebenaran setiap istilah linguistik dari variabel linguistik output. Biasanya, baik maximum (MAX) maupun sum (SUM) dari derajat kebenaran dari rule dengan istilah linguistik yang sama dalam bagian THEN lalu dihitung untuk menentukan derajat kebenaran untuk setiap istilah linguistik dari variabel linguistik output.

Dari contoh sebelumnya, hasil perhitungan derajat kebenaran untuk istilah linguistik untuk toleransi variabel output menggunakan MAX adalah:

"risk neutral": max{0.2} = 0.2
"venturesome": max{0.3, 0.45} = 0.45

Ada banyak variasi metode agregasi dan komposisi yang tersedia dalam pelbagai literature yang berbeda.

Di bawah ini adalah beberapa contoh aplikasi Fuzzy Logic:

  • Penghematan Konsumsi Daya Listrik AC (Mitsubhishi Heavy Industries Tokyo).
  • Mesin Cuci.
  • Kamera.
  • Sistem Pengereman Mobil (Nissan).
  • Pengontrol kereta bawah tanah di Sendai, Jepang.

Referensi:

  • Irfan Subakti, M.Sc.Eng. 2006. Sistem Berbasis Pengetahuan. Surabaya: Edisi Jurusan T. Informatika - ITS
  • https://www.academia.edu/4858948/FUZZY_LOGIC_ASAL_MULA_FUZZY_LOGIC_Konsep_Fuzzy_Logic_diperkenalkan_oleh_Prof

Sistem Pakar

Sistem Pakar

Definisi Sistem Pakar

Adalah program pemberi advis/nasehat yang terkomputerisasi yang ditujukan untuk meniru proses reasoning (pertimbangan) dan pengetahuan dari pakar dalam menyelesaikan permasalahan masalah yang spesifik. Bidang ini digunakan lebih banyak daripada penggunaan bidang-bidang Kecerdasan Buatan lainnya. Sistem Pakar menarik minat yang besar dalam suatu organisasi disebabkan kemampuannya dalam meningkatkan produktifitas dan dalam meningkatkan gugus kerja di pelbagai bidang tertentu dimana pakar manusia akan mengalami kesulitan dalam mendapatkan dan mempertahankan kemampuan itu.

Pakar manusia cenderung untuk menjadi spesialis dalam bidang keahlian tertentu yang relatif sempit. Umumnya pakar memiliki karakteristik ini: mereka menyelesaikan masalah dengan cepat dan cukup akurat, menjelaskan what/apa (dan terkadang how/bagaimana) yang mereka kerjakan, mempertimbangkan reliabelitas konklusinya, mengetahui kapan jalan buntu menghadang, dan mereka berkomunikasi dengan para pakar lainnya. Mereka juga belajar dari pengalaman, mengubah cara pandangnya untuk menyesuaikan dengan masalah, juga mentransfer pengetahuan dari satu domain ke domain yang lain. Akhirnya, mereka menggunakan pelbagai tool, seperti aturan jempol, model matematis, dan simulasi detil untuk mendukung keputusan yang diambil.

Tujuan dari Sistem Pakar bukanlah menggantikan para pakar, tetapi hanya untuk membuat pengetahuan dan pengalaman para pakar itu tersimpan dan tersedia lebih luas dan leluasa. Umumnya, memang lebih banyak masalah yang ada yang mendesak untuk diselesaikan daripada keberadaan para pakar untuk menangani pelbagai persoalan. Sistem Pakar mengijinkan orang lain untuk meningkatkan produktifitas, memperbaiki kualitas keputusannya, dan menyelesaikan masalah di saat seorang pakar tidak ada.

Konsep Dasar Sistem Pakar

Menurut Efraim Turban, konsep dasar sistem pakar mengandung : keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan. Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman.

Contoh bentuk pengetahuan yang termasuk keahlian adalah:

  • Fakta-fakta pada lingkup permasalahan tertentu.
  • Teori-teori pada lingkup permasalahan tertentu.
  • Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup permasalahan tertentu.
  • Strategi-strategi global untuk menyelesaikan masalah.
  • Meta-knowledge (pengetahuan tentang pengetahuan).

Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia program yang mampu mengakses basisdata, maka komputer harus dapat diprogram untuk membuat inferensi. Konsep sistem pakar adalah menirukan metodologi dan kinerja seorang manusia yang ahli dalam bidang atau domain tertentu yang spesifik.(Setiawan, 1993). Sistem pakar adalah program pemberian nasehat (advice giving) atau program konsultasi yang mengandung pengetahuan dan pengalaman yang dimasuki oleh satu atau banyak pakar kedalam satu domain pengetahuan tertentu. Agar setiap orang biasa memanfaatkannya untuk memecahkan suatu masalah. (Suparman,1991).

Struktur Sistem Pakar

Sistem Pakar dibagi menjadi 2 bagian utama: lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation (runtime) environment). Lingkungan pengembangan digunakan oleh Pembangun Sistem Pakar (ES builder) untuk membangun komponen dan untuk membawa pengetahuan ke dalam knowledge base. Lingkungan konsultasi digunakan oleh orang yang bukan ahli untuk mendapatkan pengetahuan dan saran setara pakar.

Komponen-komponen yang ada di dalam Sistem Pakar:

  • Knowledge acquisition subsystem. Pengetahuan dapat diperoleh dari seorang pakar, buku teks (textbooks) atau laporan penelitian, dengan dukungan dari seorang knowledge engineer (seorang pakar yang memiliki spesialisasi dalam akuisisi pengetahuan).
  • Knowledge base. 2 jenis knowledge base adalah fakta (yaitu situasi dan teori) dan heuristics atau rule-rule.
  • Inference engine. Ia adalah otak dari suatu Sistem Pakar, bisa juga disebut dengan struktur kontrol (control structure) atau penerjemah rule (rule interpreter dalam Rule-Based Systems). Ia adalah program komputer yang memiliki metodologi untuk melakukan reasoning (pertimbangan) mengenai informasi yang tersimpan dalam knowledge base dan dalam “blackboard (workplace)”, dan ia digunakanuntuk memformulasikan konklusi. Ia memiliki 3 elemen utama: interpreter, scheduler, consistency enforcer.
  • Blackboard (workplace). Ia adalah tempat menyimpan sementara untuk memproses rencana (plan), agenda, solusi, dan deskripsi masalah yang didapat dari knowledge base selama sesi konsultasi.
  • User. Umumnya user yang dimaksud ini adalah: (1) Klien (yaitu bukan pakar) yang menginginkan advis/nasehat. Disini, Sistem Pakar bertindak seperti seorang konsultan atau penasehat. (2) Learner (pelajar) untuk mempelajari bagaimana Sistem Pakar menyelesaikan permasalahan. Disini, Sistem Pakar bertindak sebagai seorang instruktur. (3) Expert system builder (pembangun sistem pakar) yang ingin meningkatkan knowledge base-nya. Disini, Sistem Pakar bertindak sebagai seorang rekan. (4) Pakar. Disini, Sistem Pakar bertindak sebagai seorang kolega atau asisten.
  • User interface. Sistem Pakar haruslah user friendly dan berorientasi pada masalah dalam hal antarmukanya.
  • Explanation subsystem. Ini adalah kemampuan penelusuran kebenaran dari konklusi yang didapat dari sumber-sumbernya. Hal ini krusial untuk transformasi kepakaran dan penyelesain masalah. Komponen ini mampu menelusuri kebenaran dan untuk menerangkan perilaku Sistem Pakar, secara interaktif, menjawab pertanyaan seperti: Mengapa pertanyaan tertentu ditanyakan oleh Sistem Pakar? Bagaimana konklusi tertentu dicapai? Mengapa alternatif tertentu ditolak? Rencana apakah yang ada untuk mencapai solusi? Dan apa-apa saja selanjutnya yang harus dilakukan sebelumdiagnosis final dapat ditentukan?
  • Knowledge refining system. Dengan komponen ini, pakar mampu untuk menganalisis kinerja dari Sistem Pakar, belajar daripadanya, dan meningkatkannya pada konsultasi selanjutnya.

Inference Engine

Otak dari Sistem Pakar adalah Inference Engine (mesin inferensia), disebut juga control structure atau the rule interpreter (pada Sistem Pakar berbasis rule/aturan). Komponen ini sebenarnya adalah program komputer yang menyediakan metodologi untuk reasoning (pertimbangan) mengenai informasi dalam knowledge base dan dalam “blackboard”, dan digunakan untuk merumuskan kesimpulan.

3 elemen utamanya adalah:

  • Interpreter (rule interpreter dalam kebanyakan sistem), yang mengeksekusi item agenda yang dipilih dengan mengaplikasikannya pada knowledge base rule yang berhubungan.
  • Scheduler, yang menjaga kontrol di sepanjang agenda. Memperkirakan akibat dari pengaplikasian rule inferensia yang menampakkan prioritas item atau kriteria lain pada agenda.
  • Consistency enforcer, yang mencoba menjaga konsistensi representasi solusi yang muncul.
Diagram struktur Sistem Pakar
Gambar 1 Diagram struktur Sistem Pakar

Ada 2 cara yang dapat dikerjakan dalam melakukan Inferensi, yaitu:

  • Forward Chaining. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.
    Forward Chaining
    Gambar 2 Forward Chaining
  • Backward Chaining. Pencocokan fakta atau pernyataan di mulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenara hipotesis tersebut dicari harus dicari fakta-fakta yang ada dalam basis pengetahuan.
    Backward Chaining
    Gambar 3 Backward Chaining

Perbandingan Sistem Pakar Dengan Sistem Lainnya

Table 1 Sistem Pakar dan Sistem yang lain
Dimensi
Transactions
Processing
Systems
(TPS)
Management
Information
Systems
(MIS)
Decision
Support
Systems
(DSS)
Expert
System (ES)
Executive
Information
Systems
(EIS)
Aplikasi Payroll,
inventory,
record
keeping,
informasi
produksi dan
penjualan
Kontrol
produksi,
peramalan
penjualan,
monitoring
Perencanaan
strategis
jangka
panjang, area
permasalahan
terintegrasi
secara
kompleks
Perencanaan
strategis
diagnosis,
perencanaan
kontrol
internal,
strategi-strategi
Dukungan pada
pengambilan
keputusan di
level puncak,
pemindaian
lingkungan
Fokus Transaksi data
Informasi
Keputusan-
keputusan,
fleksibelitas,
kemudahan
pengguna
Inferensia,
transfer
kepakaran
Penelusuran,
kontrol, “Drill
down”
Database Unik untuk tiap
aplikasi,
update secara
batch
Akses
interaktif oleh
programer
Sistem
manajemen
database,
akses
interaktif,
pengetahuan
faktual
Pengetahuan
prosedural
dan faktual;
knowledge
base (fakta-
fakta, rules)
Eksternal
(online) dan
berskala
perusahan
(corporate),
akses lebar
level
perusahaan
(enterprise)
(untuk semua
basis data)
Kemampuan
pengambilan
keputusan
Tak ada
keputusan
yang dapat
diambil
Permasalahan-
permasalahan
pengarahan
terstruktur
menggunakan
tool-tool
manajemen
sains
konvensional
Permasalahan-
permasalahan
semi
terstruktur,
model
manajemen
sains
terintegrasi,
paduan dari
pendapat dan
pemodelan
Sistem
membuat
keputusan
yang
kompleks, tak
terstruktur;
menggunakan
rules
(heuristics)
Hanya jika
dikombinasikan
dengan SPK
Manipulasi Numerik
Numerik
Numerik
Simbolik
Numerik
(utamanya);
kadang
simbolik
Jenis informasi
Laporan ringkasan,
operasional
Laporan penjadwalan
dan
permintaan,
alur
terstruktur,
pelaporan
pengecualian
Informasi untuk
mendukung
keputusan
spesifik
Advis dan penjelasan
Akses status, pelaporan
pengecualian,
indikator kunci
Tingkat
organisasi
tertinggi
yang
dilayani
Submanajerial,
manajemen
rendah
Manajemen
menengah
Analis dan
manajer
Manajer dan
spesialis
(Hanya)
eksekutif
senior
Daya
pendorong
Kegunaan
keefisienan
Keefektifan
Keefektifan
dan kegunaan
Ketepatan
waktu

Kelebihan Sistem Pakar

  • Memungkinkan orang awam bisa melakukan pekerjaan seorang pakar.
  • Meningkatkan produktivitas kerja dengan jalan meningkatkan efisiensi pekerjaan.
  • Menghemat waktu dalam menyelesaikan pekerjaan atau masalah yang kompleks.
  • Menyederhanakan beberapa operasi.
  • Pengolahan berulang-ulang secara otomatis.
  • Tersedianya pengetahuan pakar bagi masyarakat luas

Kelemahan Sistem Pakar

  • Pengembangan sistem pakar sangat sulit, seorang pakar yang baik sulit diperoleh. Memedatkan pengeahuan seorang pakar dan mengalihkannya menjadi sebuah program merupakan pekerjaan yang melelahkan dan memerlukan biaya yang besar.
  • Sistem pakar sangat mahal untuk mengembangkan, mencoba dan mengirimkannya ke pemakai terakhir memerlukan biaya tinggi.
  • Hampir semua sistem pakar (expert system) masih harus dapatdimplementasikan dalam komputer besar, sistem pakar yang dijalankan pada komputer pribadi tergolong sistem apkar kecil dan kurang canggih.
  • Sistem pakar tidak 100 % menguntungkan karena produk seseorang tidak ada yang sempurna dan tidak selalu benar, oleh karena itu perlu dikaji ulang secara teliti sebelum digunakan.

Tahapan Pengembangan Sistem Pakar

Tahapan Pengembangan Sistem Pakar
Gambar 4 Tahapan Pengembangan Sistem Pakar
  • Identifikasi, Merupakan tahap penentuan hal-hal yang penting sebagai dasar dari permasalahan yang akan dianalisis.
  • Konseptualitas, Hasil identifikasi masalah, dikonseptualisasikan dalam bentuk relasi antar data, hubungan antar pengetahuan dan konsep-konsep penting dan ideal yang akan diterapkan.
  • Formalisasi, Konsep-konsep dari konseptualisasi diimplementasikan secara formal dalam tahap formalisasi.
  • Implementasi, Apabila pengetahuan sudah diformalisasikan secara lengkap maka tahap implementasi dapat dimulai dengan membuat garis besar masalah kemudian memecahkan masalah kedalam modul-modul.
  • Evaluasi, Tahap ini merupakan tahap pengujian terhadap sistem pakar yang telah dibangun dan untuk menemukan kesalahan-kesalahan yang masih ada.
  • Pengembangan sistem, Fungsi dari pengembangan sistem adalah agar sistem yang dibangun tidak menjadi usang dan investasi tidak sia-sia. Hal pengembangan sistem yang paling berguna adalah proses dokumentasi sistem dimana didalamnya tersimpan semua hal penting yang menjadi tolak ukur pengembangan sistem di masa mendatang.

Bentuk Sistem Pakar

Ada 4 bentuk sistem pakar, yaitu :

  • Berdiri sendiri. Sistem pakar jenis ini merupakan software yang berdiri- sendiri tidak tergantung dengan software yang lainnya.
  • Sistem pakar jenis ini merupakan bagian program yang terkandung didalam suatu algoritma (konvensional), atau merupakanprogram dimana didalamnya memanggil algoritma subrutin lain(konvensional).
  • Menghubungkan ke software lain . Bentuk ini biasanya merupakan systempakar yang menghubungkan ke suatu paket program tertentu, misalnya
  • Sistem Mengabdi. Sistem pakar merupakan bagian dari komputer khususyang dihubungkan dengan suatu fungsi tertentu. Misalnya sistem pakar yang digunakan untuk membantu menganalisis data radar.

Contoh beberapa sistem pakar

XSEL

Sistem pakar ini dapat bertindak sebagai asisten penjual yang membantu penjual komputer DEC memilihkan pesanan pelanggan sesuai dengan kebutuhan.

MYCIN

Sistem ini dikembangkan di Universitas Stanford pada pertengah-an 1970-an dengan tujuan untuk membantu jurumedis dalam mendiagnosa penyakit yang disebabkan oleh bakteri

PROSPECTOR

Sistem ini diciptakan oleh Richard Duda, Peter Hard, dan Rene Reboh pada tahun 1978 yang menyediakan kemampuan seperti seorang pakar di bidang geologi.

Kesimpulan

Jadi Sistem Pakar dapat didefinisikan sebagai suatu sistem perangkat lunak yang menggunakan ilmu, fakta, dan teknik tertentu dapam pengambilan keputusan untuk menyelesaikan masalah-masalah yang tidak terlalu umum dimana biasanya untuk memecahkan masalah tersebut memerlukan tenaga kerja yang ahli dalam bidang yang bersangkutan. Jadi dengan adanya sistem pakar kita dapat menyesaikan masalah tersebut tanpa memerlukan ahli dalam bidang tersebut yang kemungkinan akan sulit ditemukan, dengan adanya perangkat lunak sistem pakar ini kita dapat menyelesaikan masalah hanya dengan menggunakan computer dan perangkat lunak sistem pakar tersebut.

Referensi:

  • http://fairuzelsaid.com/konsep-sistem-pakar/
  • Irfan Subakti, M.Sc.Eng. 2006. Sistem Berbasis Pengetahuan. Surabaya: Edisi Jurusan T. Informatika - ITS

Artificial Neural Network (ANN)

Artificial Neural Network (ANN)

Pengenalan Neural Network

Cakupan cabang ilmu kecerdasan buatan atau Artificial Intelegen sangat luas, dan erat kaitannya dengan disiplin ilmu yang lainnya. Hal tersebut dapat dilihat dari banyaknya aplikasi yang dibuat berdasarkan hasil dari kombinasi berbagai ilmu. Sama halnya dengan peralatan medis yang digunakan berbentuk aplikasi. Sudah berkembang banyak aplikasi yang dibuat dari hasil perpaduan ilmu kecerdasan buatan dan ilmu kedokteran atau ilmu biologi.

Neural Network masuk ke dalam kategori ilmu Soft Computing. Neural Network sebenarnya mengambil konsep dari kemampuan otak manusia yang mampu memberikan suatu stimulasi atau suatu rangsangan, melakukan proses, dan memberikan output. Output diperoleh melalui berbagai stimulasi dan proses yang terjadi dalam otak manusia. Misal, terjadi pada anak-anak, mereka dapat belajar untuk melakukan pengenalan meskipun mereka tidak mengetahui algoritma yang digunakan. Kekuatan otak manusia yang luar biasa ini merupakan sebuah keunggulan dalam kajian ilmu pengetahuan.

Beberapa fungsi dari Neural Network adalah:

  • Mengelompokan pola
  • Memetakan pola yang didapat dari input ke dalam output dalam bentuk pola yang baru
  • Menyimpan pola yang akan dipanggil kembali
  • Memetakan pola-pola yang sejenis
  • Mengoptimasi permasalahan
  • Membuat prediksi

Sejarah Neural Network

Perkembangan Ilmu Neuron Network sudah ada sejak tahun 1943 ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model neural network untuk pertama kalinya. Mereka melakukan kombinasi beberapa processing unit sederhana bersamaan yang mampu untuk memberikan peningkatan secara keseluruhan pada kekuatan komputasi.

McCulloch & Pitts, penemu pertama Neural Network
Gambar 1 McCulloch & Pitts, penemu pertama Neural Network

Kemudian hal ini dilanjutkan pada penelitian yang dikerjakan oleh Rosenblatt pada tahun 1950, dimana dia berhasil menemukan sebuah konsep two-layer network, yang disebut sebagai perceptron. Perceptron memungkinkan untuk melakukan pekerjaan klasifikasi pembelajaran tertentu dengan penambahan bobot pada setiap koneksi antar-network.

Perceptron
Gambar 2 Perceptron

Keberhasilan perceptron dalam pengklasifikasian pola tertentu ini tidak sepenuhnya sempurna, masih ditemukan juga beberapa keterbatasan didalamnya. Perceptron tidak mampu untuk menyelesaikan permasalahan XOR (exclusive-OR). Penilaian terhadap keterbatasan neural network ini membuat penelitian di bidang ini sempat mati selama kurang lebih 15 tahun. Namun demikian, perceptron berhasil menjadi sebuah dasar untuk penelitian-penelitian selanjutnya di bidang neural network. Pengkajian terhadap neural network mulai berkembang lagi selanjutnya di awal tahun 1980-an. Para peneliti banyak menemukan bidang interest baru pada domain ilmu neural network. Penelitian terakhir diantaranya adalah mesin Boltzmann, jaringan Hopfield, model pembelajaran kompetitif, multilayer network, dan teori model resonansi adaptif.

Untuk saat ini, Neural Network sudah dapat diterapkan pada beberapa task, diantaranya classification, recognition, approximation, prediction, clusterization, memory simulation dan banyak task-task berbeda yang lainnya, dimana jumlahnya semakin bertambah seiring berjalannya waktu.

Konsep Neural Network

  1. Proses Kerja Jaringan Syaraf Pada Otak Manusia

    Ide dasar Neural Network dimulai dari otak manusia, dimana otak memuat sekitar 1011 neuron. Neuron ini berfungsi memproses setiap informasi yang masuk. Satu neuron memiliki 1 akson, dan minimal 1 dendrit. Setiap sel syaraf terhubung dengan syaraf lain, jumlahnya mencapai sekitar 104 sinapsis. Masing-masing sel itu saling berinteraksi satu sama lain yang menghasilkan kemampuan tertentu pada kerja otak manusia.

    Struktur Neuron pada otak manusia
    Gambar 3 Struktur Neuron pada otak manusia

    Dari gambar di atas, dapat dilihat ada beberapa bagian dari otak manusia, yaitu:

    1. Dendrit (Dendrites) berfungsi untuk mengirimkan impuls yang diterima ke badan sel syaraf.
    2. Akson (Axon) berfungsi untuk mengirimkan impuls dari badan sel ke jaringan lain.
    3. Sinapsis berfungsi sebagai unit fungsional di antara dua sel syaraf.
    Proses yang terjadi pada otak manusia adalah:

    Sebuah neuron menerima impuls dari neuron lain melalui dendrit dan mengirimkan sinyal yang dihasilkan oleh badan sel melalui akson. Akson dari sel syaraf ini bercabang-cabang dan berhubungan dengan dendrit dari sel syaraf lain dengan cara mengirimkan impuls melalui sinapsis. Sinapsis adalah unit fungsional antara 2 buah sel syaraf, misal A dan B, dimana yang satu adalah serabut akson dari neuron A dan satunya lagi adalah dendrit dari neuron B. Kekuatan sinapsis bisa menurun/meningkat tergantung seberapa besar tingkat propagasi (penyiaran) sinyal yang diterimanya. Impuls-impuls sinyal (informasi) akan diterima oleh neuron lain jika memenuhi batasan tertentu, yang sering disebut dengan nilai ambang (threshold).

  2. Struktur Neurol Network

    Dari struktur neuron pada otak manusia, dan proses kerja yang dijelaskan di atas, maka konsep dasar pembangunan neural network buatan (Artificial Neural Network) terbentuk. Ide mendasar dari Artificial Neural Network (ANN) adalah mengadopsi mekanisme berpikir sebuah sistem atau aplikasi yang menyerupai otak manusia, baik untuk pemrosesan berbagai sinyal elemen yang diterima, toleransi terhadap kesalahan/error, dan juga parallel processing.

    Struktur ANN
    Gambar 4 Struktur ANN

    Karakteristik dari ANN dilihat dari pola hubungan antar neuron, metode penentuan bobot dari tiap koneksi, dan fungsi aktivasinya. Gambar di atas menjelaskan struktur ANN secara mendasar, yang dalam kenyataannya tidak hanya sederhana seperti itu.

    1. Input, berfungsi seperti dendrite
    2. Output, berfungsi seperti akson
    3. Fungsi aktivasi, berfungsi seperti sinapsis

    Neural network dibangun dari banyak node/unit yang dihubungkan oleh link secara langsung. Link dari unit yang satu ke unit yang lainnya digunakan untuk melakukan propagasi aktivasi dari unit pertama ke unit selanjutnya. Setiap link memiliki bobot numerik. Bobot ini menentukan kekuatan serta penanda dari sebuah konektivitas.

    Proses pada ANN dimulai dari input yang diterima oleh neuron beserta dengan nilai bobot dari tiap-tiap input yang ada. Setelah masuk ke dalam neuron, nilai input yang ada akan dijumlahkan oleh suatu fungsi perambatan (summing function), yang bisa dilihat seperti pada di gambar dengan lambang sigma (∑). Hasil penjumlahan akan diproses oleh fungsi aktivasi setiap neuron, disini akan dibandingkan hasil penjumlahan dengan threshold (nilai ambang) tertentu. Jika nilai melebihi threshold, maka aktivasi neuron akan dibatalkan, sebaliknya, jika masih dibawah nilai threshold, neuron akan diaktifkan. Setelah aktif, neuron akan mengirimkan nilai output melalui bobot-bobot outputnya ke semua neuron yang berhubungan dengannya. Proses ini akan terus berulang pada input-input selanjutnya.

    ANN terdiri dari banyak neuron di dalamnya. Neuron-neuron ini akan dikelompokkan ke dalam beberapa layer. Neuron yang terdapat pada tiap layer dihubungkan dengan neuron pada layer lainnya. Hal ini tentunya tidak berlaku pada layer input dan output, tapi hanya layer yang berada di antaranya. Informasi yang diterima di layer input dilanjutkan ke layer-layer dalam ANN secara satu persatu hingga mencapai layer terakhir/layer output. Layer yang terletak di antara input dan output disebut sebagai hidden layer. Namun, tidak semua ANN memiliki hidden layer, ada juga yang hanya terdapat layer input dan output saja.

  3. Arsitektur ANN

    Setiap neuron dapat memiliki beberapa masukan dan mempunnyai satu keluaran. Jalur masukan pada suatu neuron bisa berisi data mentah atau data hasil olahan neuron sebelumnya. Sedangkan hasil keluaran suatu neutron dapat berupa hasil akhir atau berupa bahan masukkan bagi neutron berikutnya. Jaringan neuron buatan terdiri atas kumpulan grup neuron yang tersusun dalam lapisan. Gambar di bawah ini menunjukkan struktur umum jaringan syaraf buatan yang bersifat feedfordward(data proses pada satu arah).

    Arsitektur ANN
    Gambar 5 Arsitektur ANN

Salah satu contoh adalah :

Dalam perkembangannya, ilmu Kecerdasan Buatan atau Artificial Intelligence (AI) telah banyak diterapkan pada teknologi komputer dalam menyelesaikan suatu masalah yang umumnya memerlukan pemikiran seorang ahli, dan ANN Perceptron merupakan salah satu dari metode AI yang telah terbukti cukup handal untuk digunakan sebagai teknik pengenalan atau pengindentifikasian.Tujuan dari dibuatnya karya tulis ilmiah ini adalah untuk menerapkan metode Jaringan Syaraf Tiruan atau Artificial Neural Network dengan algortima Perceptron dalam menentukan penyakit cacar daun dan bercak daun pada daun tembakau serta daun cengkeh, dimana sampel daun-daun tersebut dianalisis melalui kedelapan gejala atau ciri yang ditimbulkannya.

Tahapan awal yang dilakukan yaitu mengumpulkan beberapa sampel daun tembakau dan daun cengkeh, baik yang terkena penyakit maupun tidak. Kemudian mengelompokkan gejala atau ciri khusus yang ditimbulkan pada setiap daunnya dari penyakit cacar daun dan bercak daun. Ciri penyakit yang positif terlihat pada masing-masing daun akan direpresentasikan dengan nilai bipolar [1, -1], dimana ciri tersebut akan digunakan sebagai nilai masukan pada tahap pelatihan (training) dan pengujian (testing) dalam metode ANN.

Dari hasil pengujian terhadap sampel sebanyak 20 daun untuk tahap training dan 10 sampel daun untuk tahap testing, dengan perbandingan penyakit bercak daun dan cacar daun adalah 50 : 50, learning rate sebesar 0,7, lapisan masukan sebanyak 8 buah, dan 1 buah lapisan luaran, didapat bahwa metode ANN Perceptron memiliki persentase keberhasilan pengenalan penyakit sebesar 61% - 73% untuk data non-learning, dan 100% untuk data learning pada kedua jenis daun tersebut.

Kesimpulan

Artificial Neuron Network (Jaringan Syaraf Tiruan) [ANN] adalah system kmputasi dimana arsitektur dan operasinya diambil dari pengetahuan tentang sel syaraf biologi dalam otak manusia, ANN merupakan model yang meniru cara kerja jaringan neural biologis. Otak manusia (juga hewan) terdiri atas sel-sel yang disebut neuron, dibandingkan dengan sel-sel lain yang selalu memproduksi dirinya sebelum akhirnya mati, neuron memiliki keistimewaan, yaitu tidak pernah mati. Hal ini menyebabkan informasi yang tersimpan di dalamnya dapat bertahan. Otak manusia merupakan kumpulan dari jaringan-jaringan neuron, kecepatan proses setiap jaringan ini sebenarnya jauh leih kecil dibandingkan dengan kecepatan proses computer yang ada saat ini. Namun karena otak terdiri atas jutaan jaringan yang bekerjasama secara pararel (simultan), maka otak dapat menyelesaikan pekerjaan yang jauh lebih kompleks dibandingkan dengan apa yang dapat dikerjakan oleh komputer yang semata-mata hanya mengandalkan kecepatan. Struktur pemrosesan paralel ini merupakan bagian lain yang menarik dari jaringan neural, yang juga dapat ditiru untuk diimplementasikan pada computer.

Referensi:

  • http://socs.binus.ac.id/2012/07/26/konsep-neural-network/
  • http://www.metode-algoritma.com/2013/06/jaringan-syaraf-tiruan-jst.html

Manajemen Layanan Sistem Informasi #3 (Tugas Pertemuan 3)

Perubahan manajemen

Maksud dan tujuan

Pada hakikatnya, kehidupan manusia dan organisasi selalu bergerak dan diliputi oleh perubahan secara berkelanjutan. Perubahan terjadi karena lingkungan internal dan eksternal. Perubahan berarti bahwa kita harus mengubah dalam cara mengerjakan atau berpikir tentang sesuatu. Perubahan tersebut dapat terjadi pada struktur organisasi, proses mekanisme kerja, SDM, dan budaya.

Untuk lebih memahami makna perubahan, terdapat beberapa karakteristik perubahan (Kasali, 2006), yaitu :

  1. Bersifat misterius karena tidak mudah dipegang
  2. Memerlukan tokoh terkenal dalam melakukan perubahan
  3. Tidak semua orang bisa diajak melihat perubahan
  4. Perubahan terjadi setiap saat secara kontinu
  5. Ada sisi lembut dan sisi keras dalam perubahan
  6. Membutuhkan waktu, biaya, dan kekuatan
  7. Dibutuhkan upaya khusus untuk menyentuh nilai dasar/budaya korporat
  8. Banyak diwarnai mitos
  9. Perubahan menimbulkan ekspektasi yang dapat menimbulkan getaran emosi dan harapan
  10. Perubahan selalu menakutkan yang menimbulkan kepanikan

Tujuan Perubahan

Tujuan perubahan disatu sisi untuk memperbaiki kemampuan organisasi dalam menyesuaikan didi dengan perubahan lingkungan dan disisi lain, mengupayakan perubahan perilaku karyawan untuk meningkatkan produktivitasnya. Perubahan harus dilakukan secara hati-hati dengan mempertimbangkan berbagai hal agar manfaat yang ditimbulkan oleh perubahan harus lebih besar daripada beban kerugian yang harus ditanggung.

Konsep dasar

Macam2 Perubahan :

  • Perubahan tidak berencana
    • Perubahan karena perkembangan ( Developmental Change)
    • Perubahan secara tiba-tiba (Accidental Change)
  • Perubahan berencana
    • Perubahan yg disengaja/ bahkan direkayasa oleh pihak manajemen
    • Penerapan pengetahuan tentang manusia secara sistematis dan tepat dengan maksud melakukan tindakan yg berarti (Bennis, Benne dan Chin).
    • Usaha untuk mengumpulkan, menggunakan data dan informasi guna memecahkan persoalan sosial (Kurt Lewin).
    • Perubahan yg dilakukan secara sengaja, lebih banyak dilakukan atas kemauan sendiri, sehingga proses perubahan itu lebih banyak diusahakan oleh sistem itu sendiri.

Strategi Perubahan :

  • Political strategy : Pemahaman mengenai struktur kekuasaan yg terdapat dalam sistem sosial.
  • Economic Strategy : Pemahaman dalam memegang posisi pengaturan sumber ekonomik, yaitu memegang posisi kunci dalam proses perubahan berencana.
  • Academic Strategy : Pemahaman bahwa setiap manusia itu rasional, yaitu setiap orang sebenarnya akan bisa menerima perubahan, manakala kepadanya disodorkan data yg dapat diterima oleh akal sehat(Rasio).
  • Enginering Strategy : Pemahaman bahwa setiap perubahan menyangkut setiap manusia.
  • Military Strategy : Pemahaman bahwa perubahan dapat dilakukan dengan kekerasan/ paksaan.
  • Confrontation Strategy : Pemahaman jika suatu tindakan bisa menimbulkan kemarahan seseorang, maka orang tersebut akan berubah.
  • Applied behavioral science Model : Pemahaman terhadap Ilmu perilaku.
  • Followship Strategy : Pemahaman bahwa perubahan itu dapat dilakukan itu dapat dilakukan dengan mengembangkan prinsip kepengikutan.

Kegiatan

Manajemen perubahan adalah proses terus-menerus untuk memperbaharui arah, struktur, dan kemampuan organisasi beradaptasi untuk melayani kebutuhan yang selalu berubah baik karena tuntutan internal maupun eksternal organisasi. Kegiatan manajemen perubahan harus berlangsung pada tingkat tinggi mengingat laju perubahan yang dihadapi akan lebih besar dari masa sebelumnya.

Berbicara tentang memenej perubahan pada esensinya adalah bicara tentang mengelola orang, yang akan bertumpu pada pengetahuan dan kemampuan kita untuk memotivasi manusia, tim kerja dan kepemimpinan.

>Terdapat 3 (tiga) hal penting yang perlu dipertimbangkan ketika kita hendak mengelola orang dalam menghadapi perubahan, yakni :

  1. Pemahaman tentang tujuan;
  2. Identitas; dan
  3. Penguasaan.

Ketika manajer hendak mempertimbangkan untuk melakukan suatu perubahan dalam organisasi, maka sebelumnya akan memikirkan terlebih dahulu "mengapa orang datang ke kantor untuk bekerja setiap hari? Apakah suatu perubahan akan bertentangan atau sejalan dengan tujuan orang tersebut?"

Dengan demikian, para manajer perlu memahami peta tujuan para pekerjanya, terutama untuk memotivasi dan menilai para pekerja agar bersedia unjuk kinerja terbaik mereka.

Berdasarkan pada pengamatan dan pengalaman pada berbagai organisasi yang terkena perubahan, terdapat beberapa pemahaman yang perlu dimiliki agar suatu perubahan dapat berjalan dengan berhasil, yakni:

  1. Bahwa suatu perubahan tidak berjalan linier. Dengan perkataan lain, bahwa suatu perubahan seringkali tidak ada awal dan akhir yang jelas. Dalam hal ini, perubahan seringkali menjadi target ambisius agar organisasi dapat lebih cepat mencapai tujuannya. Terhadap alasan ini perubahan bisa tampak membingungkan dan tak ada habisnya, sehingga mereka yang terlibat dalam proses perubahan seringkali merasa seolah-olah tidak ada cahaya di ujung terowongan;
  2. Suatu perubahan yang efektif dapat dimulai dengan perbaikan dalam beberapa bidang tertentu. Perbaikan tersebut dapat mencakup peningkatan fokus pada pelanggan, memperbaiki pengelolaan proses kerja, dan memperkuat keterlibatan para pekerja, sehingga keberhasilan dalam suatu jenis perbaikan seringkali akan memicu kebutuhan untuk melakukan perbaikan di bidang lainnya. Tentu saja, tidak ada satu jawaban atau resep yang benar dan tunggal bagi organisasi untuk melakukan perubahan agar semakin kompetitif di masa depan;
  3. Suatu perubahan harus berjalan sekaligus, baik secara top-down maupun bottom-up. Perubahan harus berjalan top-down untuk merumuskan visi dan menciptakan struktur, dan harus berjalan bottom-up untuk mendorong partisipasi dan menggalang dukungan dari para pekerja. Pada akhirnya, memenej perubahan mengandung arti pula berbagi wewenang dan tanggung jawab pada setiap orang dalam organisasi dari atas ke bawah. Jika suatu perubahan tidak didukung oleh semua lapisan dalam organisasi, maka perubahan tersebut akan terancam kegagalan. Seluruh organisasi harus bergerak dan berinisiatif ke arah yang sama untuk mencapai tujuan perubahan yang telah ditetapkan;
  4. Suatu perubahan organisasi memiliki dimensi pribadi yang penting. Semakin mendalam perubahan organisasi, harus semakin diterima secara pribadi oleh para pekerja, serta memberi kesempatan yang lebih luas kepada mereka untuk menguji kembali dan menyesuaikan nilai-nilai dan keyakinan pribadinya; dan
  5. Dilakukannya suatu pengukuran adalah kunci bagi suatu perubahan yang berhasil dan berkelanjutan. Semakin banyak kemajuan kinerja dan tujuan organisasi dapat diukur, maka suatu perubahan cenderung akan bertahan lama dan berhasil.

Hubungan dengan proses manajemen layanan lainnya

Hal selanjutnya yang perlu dipikirkan adalah mengenai profil orang - orang yang terlibat dalam perubahan. Profil orang-orang tersebut seharusnya dapat mengorganisasi informasi dari semua orang terlibat dalam upaya perubahan. Setiap orang akan mempunyai prioritas dan minat yang berbeda, berdasarkan fungsi mereka. Kebijaksanaan dan diplomasi harus digunakan ketika mempresentasikan tujuan perubahan kepada kelompok. Pesan yang sama harus disampaikan kepada semua orang, bagaimanapun pentingnya, perlu dicermati hal-hal khusus yang banyak relevansinya kepada kelompok.

Penyesuaian pesan dengan minat orang-orang ini membawa kita untuk bekerja lebih efektif dengan kebutuhan yang berbeda-beda bagi setiap individu atau kelompok. Dengan memahami perbedaan akan meningkatkan kemungkinan menghargai pengalaman teman sejawat. Dengan memahami konsentrasi dan minat setiap orang, akan meningkatkan kinerja kepemimpinan. Contoh: Untuk memonitor tingkat infeksi semua staf di klinik, termasuk para dokter, perawat, bidan, petugas kebersihan, petugas yang menyediakan sabun dan tissue, para pasen.

Perbedaan fokus antara BRM dan proses lainnya diilustrasikan oleh perbedaan antara manajemen BRM dan layanan tingkat (SLM). Kedua proses prihatin dengan hubungan jangka panjang dengan pelanggan dan dengan menjamin terbentuknya bahwa pelanggan senang dengan apa yang disampaikan. Fokus dari SLM Areon menempa perjanjian dengan pelanggan pada tingkat layanan yang akan dikirimkan untuk layanan tertentu dan, dengan memastikan tingkat layanan ini terpenuhi, pada pencapaian tingkat yang dapat diterima dari kepuasan pelanggan. Ini berarti memastikan bahwa semua proses SM, kontrak yang mendukung dan perjanjian tingkat operasional mendukung pencapaian SLA. BRM membangun hubungan dengan pelanggan yang berfokus pada isu-isu tingkat strategis dan lebih tinggi, berusaha untuk menyediakan layanan yang disesuaikan dengan kebutuhan bisnis pelanggan dan berada dalam kemampuan penyedia layanan untuk memberikan. Kepuasan pelanggan adalah ukuran utama keberhasilan BRM, tapi ini adalah kepuasan pelanggan dinyatakan dalam nilai jasa kepada pelanggan.

Penyebaran manajemen

Maksud dan tujuan

Tujuan: ITIL Release dan Manajemen Deployment bertujuan untuk merencanakan, jadwal dan mengontrol pergerakan rilis untuk menguji dan lingkungan hidup. Tujuan utama dari Manajemen Pers dan Manajemen Deployment adalah untuk memastikan bahwa integritas lingkungan hidup dilindungi dan bahwa komponen yang benar dilepaskan.

Konsep dasar

Pada dasarnya, kegiatan dan tujuan proses proses Release dan Deployment Manajemen di ITIL V3 identik Release Management di ITIL V2. ITIL V3 Manajemen Siaran memberikan rincian jauh lebih di bidang perencanaan Release dan pengujian; ini menyebabkan penambahan dua proses khusus yang dimasukkan di bawah Manajemen Pers dalam versi ITIL sebelumnya: Manajemen Proyek - Perencanaan Transisi dan Dukungan , dan Layanan Validasi dan Pengujian .

ITIL Manajemen Siaran & ITIL Deployment Manajemen ITIL ITIL Rilis & Manajemen Deployment. Dalam ITIL 2011 Manajemen Siaran dipanggil dari Manajemen Proyek untuk melakukan perencanaan rinci dari Release membangun , Lepaskan tes dan Rilis penyebaran . Antarmuka tambahan antara Manajemen Pers dan Manajemen Proyek ITIL telah diperkenalkan untuk memastikan bahwa Manajemen Proyek terus diberikan informasi perencanaan saat ini. Gambaran proses Rilis & Deployment Manajemen (.JPG) menunjukkan antarmuka yang paling penting (lihat Gambar 1). ITIL 2011 bimbingan terbaru juga menetapkan bahwa minor Perubahan dilaksanakan oleh Manajemen Perubahan tanpa keterlibatan Manajemen Pers, sehingga Minor Rilis Deployment sub-proses telah dihapus.

Kegiatan, metode, dan teknik

Release Manager bertanggung jawab untuk perencanaan dan pengendalian gerakan Pers untuk menguji dan lingkungan hidup. Tujuan utamanya adalah untuk memastikan bahwa integritas lingkungan hidup dilindungi dan bahwa komponen yang benar dilepaskan.

Tanggung Jawab Matrix: ITIL Manajemen Siaran
ITIL Peran / Sub-Proses Rilis Manajer Project Manager [3] Layanan Owner [3] Peran Lain Yang Terlibat
Dukungan Manajemen Rilis A [1] R [2] - - -
Perencanaan Rilis AR R - -
Rilis Build AR - - -
Rilis Deployment AR - R R [4]
Dukungan Hidup Awal AR - R R [5]
Rilis Penutupan AR - - -

Keterangan:

  • [1] A: ​​Akuntabel menurut Model RACI: Mereka yang akhirnya bertanggung jawab untuk penyelesaian yang benar dan menyeluruh dari proses ITIL Rilis & Deployment.
  • [2] R: Bertanggung jawab sesuai dengan Model RACI: Orang-orang yang melakukan pekerjaan untuk mencapai suatu tugas dalam Manajemen Pers.
  • [3] melihat → deskripsi Peran
  • [4] Proses Pemilik, IT Operator, Fasilitas Manager (dan lain-lain, yang sesuai)
  • [5] ... dan lain-lain, yang sesuai.

Hubungan dengan proses manajemen layanan lainnya

Sub-Proses

Ini adalah ITIL Manajemen Penyebaran / siaran sub-proses dan tujuan proses mereka:

  1. Dukungan Manajemen rilis
  2. Proses Tujuan: Untuk memberikan pedoman dan dukungan untuk penyebaran Pers .

  3. Perencanaan rilis
  4. Proses Tujuan: Untuk menetapkan Perubahan berwenang untuk Rilis Paket dan untuk menentukan ruang lingkup dan isi dari Pers. Berdasarkan informasi ini, proses Perencanaan Rilis mengembangkan jadwal untuk membangun, pengujian dan menyebarkan rilis tersebut.

  5. Rilis Build
  6. Proses Tujuan: Untuk mengeluarkan semua Work diperlukan Pesanan dan Pembelian Permintaan sehingga komponen Pers yang baik dibeli dari vendor luar atau dikembangkan / disesuaikan di rumah. Pada akhir proses ini, semua komponen Rilis diperlukan siap untuk memasuki tahap pengujian.

  7. Rilis Deployment
  8. Proses Tujuan: Untuk menyebarkan komponen Rilis ke dalam lingkungan produksi yang hidup. Proses ini juga bertanggung jawab untuk pelatihan pengguna akhir dan staf operasi dan beredar informasi / dokumentasi di Rilis baru dikerahkan atau jasa yang mendukung.

  9. Dukungan Hidup Awal
  10. Proses Tujuan: Untuk mengatasi masalah operasional cepat selama periode awal setelah penyebaran Rilis , dan untuk menghilangkan kesalahan yang tersisa atau kekurangan.

  11. Rilis Penutupan
  12. Proses Tujuan: Untuk secara resmi menutup Rilis setelah memverifikasi jika aktivitas log dan CMS isi yang up to date.

Pemenuhan Permintaan

Maksud dan tujuan

Tujuan: ITIL Permintaan Pemenuhan bertujuan untuk memenuhi Permintaan Service, yang dalam banyak kasus adalah ringan (standar) Perubahan (misalnya permintaan untuk mengubah password) atau permintaan informasi.

Tujuan proses pemenuhan permintaan adalah:

  1. Menyediakan saluran bagi pengguna untuk meminta dan menerima layanan standar yang otorisasi dan proses kualifikasi yang telah ditetapkan ada
  2. Memberikan informasi kepada pengguna dan pelanggan tentang ketersediaan layanan dan prosedur untuk mendapatkan mereka
  3. Sumber dan memberikan komponen layanan standar yang diminta
  4. Membantu dengan informasi general, keluhan atau komentar

Konsep dasar

  1. Model Permintaan
  2. Beberapa permintaan layanan akan sering terjadi dan akan membutuhkan penanganan secara konsisten untuk mee tingkat layanan yang disepakati. Pembuatan model permintaan yang telah ditetapkan, termasuk serangkaian kegiatan, menetapkan standar dalam pelaksanaan permintaan.

  3. Pemilihan Menu
  4. Idealnya, pengguna harus menawarkan "menu" pilihan -jenis melalui antarmuka atau permintaan portal berbasis web sehingga mereka dapat memilih dan rincian masukan dari permintaan layanan dari daftar yang tersedia. Dengan cara ini, pengguna dapat diinformasikan dari target eksekusi yang ditetapkan dalam perjanjian tingkat layanan.

  5. Permintaan Status Pelacakan
  6. Permintaan harus dilacak di seluruh siklus hidup mereka untuk mendukung penanganan dan pelaporan tentang status permintaan. Dalam sistem permintaan pemenuhan, kode status mungkin terkait dengan permintaan untuk menunjukkan di mana mereka dalam kaitannya dengan siklus hidup. Dengan contoh: baru, menunggu persetujuan, dalam proses, menolak, membatalkan, selesai, dll

  7. Memprioritaskan Permintaan
  8. Semua permintaan layanan harus mengikuti satu set standar kriteria untuk menilai prioritas mereka. Hal ini dapat dilakukan dengan mempertimbangkan dampak permintaan dan urgensi, dengan cara yang sama seperti yang dijelaskan untuk Manajemen Insiden.

  9. Permintaan Meningkat
  10. Mungkin perlu untuk meningkatkan permintaan untuk mengatasi situasi tertentu atau mengambil tindakan lebih lanjut yang bukan bagian dari set standar kegiatan pemenuhan. Kita bisa lihat permintaan misrouted untuk kelompok yang salah, sebuah SLA untuk memenuhi permintaan mungkin dalam bahaya, pengguna tidak setuju bahwa permintaan telah dipenuhi untuk kepuasan seluruh nya, permintaan telah digunakan sebagai pengganti persyaratan yang lebih rumit.

  11. Persetujuan
  12. Persetujuan permintaan dapat diperlukan untuk beberapa alasan. Ini bisa untuk mendapatkan persetujuan terlebih dahulu perangkat keras atau perangkat lunak akuisisi, atau persetujuan akses pemberian aset TI. Biaya layanan permintaan pengiriman standar bisa diperbaiki atau, untuk jenis lain dari permintaan, diperkirakan demi pengisian, jika ini diterapkan dalam organisasi.

  13. Koordinasi Kegiatan Pemenuhan
  14. Kegiatan Pemenuhan permintaan akan tergantung pada sifat dari permintaan layanan. Beberapa permintaan sederhana dapat diselesaikan oleh Desk Service, bertindak sebagai dukungan lini pertama, sementara yang lain harus diteruskan ke kelompok spesialis atau pemasok untuk pemenuhan. The Service Desk harus memantau dan mengejar kemajuan dan menjaga pengguna informasi seluruh, terlepas dari sumber pemenuhan sebenarnya.

  15. Penutupan
  16. Ketika permintaan layanan selesai, ini disebut kembali ke Service Desk untuk penutupan. The Service Desk harus memeriksa untuk se apakah pengguna puas dengan hasilnya.

Hubungan dengan Proses Manajemen Layanan Lainnya

Layanan Permintaan Pemenuhan Grup ( request fulfilment group)

Layanan Permintaan Pemenuhan Grup mengkhususkan diri pada pemenuhan jenis tertentu Permintaan layanan . Biasanya, Tingkat 1 Dukungan akan memproses permintaan sederhana, sementara yang lain diteruskan ke Pemenuhan Grup khusus.

Tanggung Jawab Matrix: ITIL Permintaan Pemenuhan
ITIL Peran / Sub-Proses Insiden Manajer Tingkat 1 Dukungan Layanan Pemenuhan Grup
Dukungan Pemenuhan Permintaan A [1] R [2] - -
Permintaan Logging dan Kategorisasi SEBUAH R -
Permintaan Model Eksekusi SEBUAH R R
Permintaan Monitoring dan Eskalasi AR R -
Permintaan Penutupan dan Evaluasi SEBUAH R -

Keterangan

  • [1] A: Akuntabel menurut Model RACI: Mereka yang akhirnya bertanggung jawab untuk penyelesaian yang benar dan menyeluruh dari proses Pemenuhan Permintaan.
  • [2] R: Bertanggung jawab sesuai dengan Model RACI: Orang-orang yang melakukan pekerjaan untuk mencapai suatu tugas dalam Permintaan Pemenuhan.

Manajemen Operasi IT

Maksud dan Tujuan

Pengertian IT Manajemen Operasi

Manajemen operasional TI adalah proses pengelolaan infrastruktur TI sehari-hari termasuk pengelolaan provisioning, kapasitas, kinerja dan ketersediaan lingkungan komputasi, jaringan dan aplikasi. manajemen operasional TI sangat penting untuk organisasi TI yang bertanggung jawab untuk memberikan efisien layanan berkualitas tinggi dan aplikasi dalam mendukung bisnis digit.

Satu umumnya dapat mempertimbangkan bahwa ada tiga daerah yang berbeda yang melekat dalam bisnis apapun: pemasaran, keuangan, dan operasi; semua disiplin bisnis lainnya sesuai suatu tempat di bawah satu atau lebih dari daerah-daerah tersebut. Misalnya, keuangan dapat mencakup investasi, real estate, asuransi atau perbankan. Sementara manajemen dianggap sebagai disiplin akademis tersendiri sebenarnya merupakan bagian dari semua tiga bidang: manajemen keuangan, manajemen pemasaran, dan manajemen operasi. manajemen operasi adalah daerah yang bersangkutan dengan efisiensi dan efektivitas operasi dalam mendukung dan pengembangan tujuan strategis perusahaan. Daerah lain yang menjadi perhatian manajemen operasi meliputi desain dan operasi dari sistem untuk menyediakan barang dan jasa. Untuk meletakkannya ringkas, manajemen operasi adalah perencanaan, penjadwalan, dan pengendalian kegiatan yang mengubah masukan (bahan baku dan tenaga kerja) menjadi output (barang jadi dan jasa). Satu set konsep diakui dan berkembang dengan baik, alat, dan teknik milik dalam kerangka dianggap manajemen operasi. Sementara manajemen operasi jangka memunculkan pemandangan lingkungan manufaktur, banyak dari konsep-konsep ini telah diterapkan di pengaturan layanan, dengan beberapa dari mereka benar-benar dikembangkan secara khusus untuk organisasi pelayanan.

Manajemen operasi juga merupakan bidang akademik studi yang berfokus pada perencanaan yang efektif, penjadwalan, penggunaan, dan pengendalian perusahaan manufaktur atau jasa dan operasi mereka. lapangan adalah sintesis dari konsep yang berasal dari rekayasa desain, teknik industri, sistem informasi manajemen, manajemen mutu, manajemen produksi, manajemen persediaan, akuntansi, dan fungsi lainnya.

Bidang manajemen operasi telah mendapatkan meningkatkan pengakuan selama dua dekade terakhir. Salah satu alasan utama untuk ini adalah kesadaran masyarakat akan keberhasilan pabrikan Jepang dan persepsi bahwa kualitas banyak produk Jepang lebih tinggi dari produsen Amerika. Akibatnya, banyak perusahaan telah menyadari bahwa fungsi operasi hanya sebagai penting untuk perusahaan mereka sebagai keuangan dan pemasaran. Dalam konser dengan ini, perusahaan-perusahaan sekarang menyadari bahwa untuk bersaing secara efektif dalam pasar global mereka harus memiliki strategi operasi untuk mendukung misi perusahaan dan strategi perusahaan secara keseluruhan.

Alasan lain untuk kesadaran yang lebih besar dari manajemen operasi adalah aplikasi peningkatan konsep manajemen operasi dan teknik untuk operasi layanan. Akhirnya, konsep manajemen operasi sedang diterapkan untuk bidang fungsional lainnya seperti pemasaran dan sumber daya manusia. Istilah marketing antarmuka / operasi sering digunakan.

Operasi TI adalah fungsi terpisah dalam organisasi IT, dengan tugas dan hak yang jelas. Namun, manajemen teknis dan aplikasi yang sering juga mengambil alih bagian dari operasi sehari-hari dan karena itu melakukan fungsi operasi terpadu yang mencakup beberapa tim. Tidak ada metode pusat untuk pemisahan tugas yang jelas antara operasi dan rekayasa karena ini tergantung sampai batas yang signifikan pada tingkat infrastruktur TI kematangan dan stabilitas.

Konsep dasar

Operasi teknologi informasi, atau operasi TI, adalah himpunan semua proses dan layanan yang baik ditetapkan oleh TI staf untuk internal atau eksternal mereka klien dan digunakan sendiri, untuk menjalankan dirinya sebagai bisnis .

Definisi operasional TI berbeda di seluruh TI industri , di mana vendor dan organisasi individu sering membuat definisi adat mereka sendiri proses dan layanan tersebut untuk tujuan pemasaran produk mereka sendiri. Biasanya, mereka termasuk manajemen , visi, perencanaan , desain , implementasi , konstruksi, penyebaran , distribusi , verifikasi , instalasi , Instansiasi, pelaksanaan dan pemeliharaan . Mereka berusaha untuk menentukan proses umum dan prosedur, kebijakan, peran, tanggung jawab, terminologi , praktik terbaik dan standar untuk menjalankan suatu perusahaan. Techopedia menjelaskan IT Manajemen Operasi

Dalam sebuah organisasi, mungkin ada tumpang tindih antara manajemen operasi TI dan manajemen aplikasi serta manajemen teknis, Namun manajemen operasi TI adalah fungsi yang berbeda, meskipun keduanya manajemen teknis dan aplikasi dapat menjadi bagian yang sama.

Sekali lagi, berdasarkan kebutuhan dan sumber daya, manajemen operasional TI mungkin disesuaikan dengan organisasi, dan dengan demikian cara operasi dapat berbeda dari organisasi ke organisasi.

Tanggung jawab utama dan fungsi manajemen IT Operations:

  1. Infrastruktur Jaringan.
  2. Semua fungsi jaringan yang berkaitan dengan internal dan komunikasi eksternal. Pengelolaan sistem telepon internal. Menyediakan akses remote untuk pengguna yang berwenang ke jaringan organisasi. Manajemen telekomunikasi, internal dan eksternal, untuk organisasi manajemen pelabuhan untuk memudahkan akses ke server luar. Menyelesaikan masalah dan pemantauan terkait dengan sumber daya jaringan.

  3. Server dan Manajemen Perangkat
  4. Manajemen server. Penyimpanan dan manajemen jaringan. File server dan setup email dan otorisasi. Manajemen organisasi disetujui perangkat seperti laptop, desktop dan perangkat komputasi mobile.

  5. Operasi yang berkaitan dengan Komputer & Helpdesk
  6. Pusat Data dan manajemen fasilitas. Membantu manajemen meja. Provisioning pengguna. Memberikan masukan untuk audit konfigurasi. Manajemen cadangan ketersediaan tinggi dari layanan IT & manajemen pemulihan bencana dan Mengelola dan memelihara perpustakaan infrastruktur TI bagi organisasi.

Hubungan dengan proses manajemen layanan lainnya

  1. Meja Layanan: Menangani beberapa teknologi dan perangkat melalui server cloud terpusat. Sebuah proses operasi sederhana menangani tiket Anda, manajemen konfigurasi, manajemen aset, perubahan dan rilis. Semuanya hanya dengan sekali klik dan Anda dapat memantau dari lokasi manapun. Tidak ada lagi mendapatkan terpaku kursi Anda atau risiko hilang setiap pembaruan penting.
  2. Memecahkan & Selesaikan: Itu akan lebih mudah untuk memecahkan masalah dengan Analisis Akar Penyebab Freshservice dan Preventive Maintenance daripada pergi melalui setiap server yang memeriksa dan mencegah pemadaman. Sebuah tiket Insiden dinaikkan setiap kali masalah yang dilaporkan, dan Anda mendapatkan pemberitahuan langsung dengan rincian diperbarui. Tiket diprioritaskan & diselesaikan berdasarkan tingkat urgensi dan pentingnya, SLA ini membuat Anda memahami tanggal jatuh tempo dan kebijakan lain untuk membimbing Anda. Sebuah alur kerja yang sistematis akan membantu Anda merespon dan menyelesaikan lebih cepat dari sebelumnya.
  3. Singkirkan tugas biasa: Apakah Anda menghabiskan sebagian besar waktu Anda menyortir melalui tiket dan menugaskan ke orang yang tepat? Membuat sederhana itu! Hanya menetapkan aturan dengan Freshservice dan tugas-tugas otomatis dibuat. Fitur seperti Responses Kaleng, Scheduler yang membantu Anda bekerja lebih cerdas; Meja layanan otomatis kami akan memberikan operasi TI Anda tangan membantu yang Anda butuhkan buruk.
  4. Mengurangi beban dan biaya pemeliharaan: Anda tidak lagi harus menginvestasikan waktu dan uang hanya untuk melacak semua aset Anda, biaya, pemeliharaan dan penyusutan. Modul Manajemen Keuangan akan mengurus itu; memiliki semua aset Anda dan vendor rincian di tempat. Semakin mudah untuk memeriksa biaya pemeliharaan dan perbaikan yang terjadi dan penyusutan untuk aset Anda dengan Freshservice. Tidak hanya itu, Anda dapat menjadwalkan tugas-tugas otomatis untuk semua lisensi, pemeliharaan dan perbaikan yang perlu diperbarui. Memecahkan banyak masalah Anda, bukan?

Aplikasi Manajemen

Maksud dan tujuan

Tujuan:
ITIL Aplikasi Manajemen bertanggung jawab untuk mengelola aplikasi di seluruh siklus hidup mereka. Proses ini memainkan peran penting dalam aspek terkait penerapan merancang, pengujian, operasi dan meningkatkan layanan TI, serta dalam mengembangkan keterampilan yang dibutuhkan untuk mengoperasikan aplikasi organisasi TI. Aplikasi Manajemen merupakan kegiatan yang sedang berlangsung, sebagai lawan Pengembangan Aplikasi yang biasanya satu kali set kegiatan untuk membangun aplikasi.

Konsep dasar

Terdapat enam fungsi teknologi informasi, yaitu: Menangkap (Capture) Menangkap disini dapat diartikan sebagai menginput. Misalnya menerima inputan dari mic, keyboard, scanner, dan lain-lain. Mengolah (Processing) Mengolah atau memproses data masukkan yang diterima untuk menjadi informasi. Pengolahan dan pemrosesan data dapat berupa mengkonversi, menganalisis, dan menghitung (kalkulasi). Menghasilkan (Generating) Menghasilkan atau mengorganisasikan informasi ke dalam bentuk yang berguna atau laporan yang dapat dimengerti oleh orang lain. Misal laporan, tabel, grafik, gambar, dan lain-lain. Menyimpan (Storage) Merekam atau menyimpan data dan informasi dalam suatu media yang dapat digunakan untuk keperluan lain. Contohnya adalah menyimpan ke hard disk, flash disk, tape, dan lain-lain. Mencari Kembali (Retrival) Menelusuri dan mendapatkan kembali informasi atau mengkopi data dan informasi yang sudah tersimpan. Misalnya mencari data penjualan yang sudah disimpan sebelumnya. Mentransmisi (Transmission) Mengirim data dan informasi dari suatu lokasi ke lokasi lain melalui jaringan komputer. Misalkan mengirimkan data penjualan dari user A ke user yang lainnya.

Penggunaan IT dalam sebuah organisasi sangatlah penting, untuk menerapkan IT haruslah dilihat karakteristik organisasi tersebut. Apakah dengan IT mampu meningkatkan efisiensi sebuah perusahaan, sehingga dalam penerapan IT dibutuhkan orang yang handal yang dapat berjalan dengan baik. Ada 4 peranan mendasar teknologi informasi di sebuah perusahaan, yaitu: Fungsi Operasional akan membuat struktur organisasi menjadi lebih ramping telah diambil alih fungsinya oleh teknologi informasi. Karena sifat penggunaannya yang menyebar di seluruh fungsi organisasi, unit terkait dengan manajemen teknologi informasi akan menjalankan fungsinya sebagai supporting agency dimana teknologi informasi dianggap sebagai sebuah firm infrastructure. Fungsi Monitoring and Control mengandung arti bahwa keberadaan teknologi informasi akan menjadi bagian yang tidak terpisahkan dengan aktivitas di level manajerial embedded di dalam setiap fungsi manajer, sehingga struktur organisasi unit terkait dengannya harus dapat memiliki span of control atau peer relationship yang memungkinkan terjadinya interaksi efektif dengan para manajer di perusahaan terkait. Fungsi Planning and Decision mengangkat teknologi informasi ke tataran peran yang lebih strategis lagi karena keberadaannya sebagai penyedia dari rencana bisnis perusahaan dan merupakan sebuah tambahan informasi bagi para pimpinan perusahaan yang dihadapkan pada realitas untuk mengambil sejumlah keputusan penting sehari-harinya. Fungsi Communication secara prinsip termasuk ke dalam firm infrastructure. Dalam era organisasi modern dimana teknologi informasi ditempatkan posisinya sebagai sarana atau media individu perusahaan dalam berkomunikasi, berkolaborasi, berkooperasi, dan berinteraksi.

Hubungan antara aplikasi manajemen dan pengembangan aplikasi

Aplikasi Analyst - Proses Owner

Aplikasi Analyst adalah peran Manajemen Aplikasi yang mengelola aplikasi di seluruh siklus hidup mereka. Ada biasanya satu Aplikasi Analyst atau tim analis untuk setiap aplikasi utama. Peran ini memainkan peran penting dalam aspek terkait penerapan merancang, pengujian, operasi dan meningkatkan layanan TI. Hal ini juga bertanggung jawab untuk mengembangkan keterampilan yang dibutuhkan untuk mengoperasikan aplikasi yang diperlukan untuk memberikan layanan TI.

Tanggung Jawab Matrix: ITIL Manajemen Aplikasi
ITIL Peran / Sub-Proses Aplikasi Analyst
Aplikasi Manajemen

(tidak ada sub-proses yang ditentukan)
A [1] R [2]

Keterangan

  • [1] A: Akuntabel menurut Model RACI: Mereka yang akhirnya bertanggung jawab untuk penyelesaian yang benar dan menyeluruh dari proses ITIL Aplikasi Manajemen.
  • [2] R: Bertanggung jawab sesuai dengan Model RACI: Orang-orang yang melakukan pekerjaan untuk mencapai suatu tugas dalam Manajemen Aplikasi.

Sumber:

  • http://nurhalizazahra.blogspot.com/2013/10/manajemen-perubahan.html
  • https://pernikmagazine.wordpress.com/2008/07/21/konsep-dasar-manajemen-perubahan/
  • http://sbm.binus.ac.id/2013/08/12/manajemen-perubahan-bagian-15-selesai/
  • http://silfianaseptianie.blogspot.com/2013/10/manajemen-perubahan.html
  • http://elyaza.blogspot.com/2011/02/perubahan-manajemen-atau-organisasi.html
  • https://translate.google.co.id/translate?hl=id&sl=en&u=http://wiki.en.it-processmaps.com/index.php/Release_and_Deployment_Management&prev=search
  • https://freshservice.com/it-operation-management-software
  • https://translate.google.co.id/translate?hl=id&sl=en&u=http://wiki.en.it-processmaps.com/index.php/ITIL_Application_Management&prev=search
  • https://translate.google.co.id/translate?hl=id&sl=en&u=http://www.referenceforbusiness.com/management/Ob-Or/Operations-Management.html&prev=search
  • http://www.kompasiana.com/raffiansyahjc/fungsi-dan-peranan-teknologi-informasi-aplikasi-software-bagi-perusahaan_5656f3cb159373db144f054d
loading...